کارایی پویا در تنظیم شرکت‎های آب و فاضلاب شهری ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای علوم اقتصادی، گروه اقتصاد، دانشگاه پیام نور، تهران

2 استاد، گروه اقتصاد، دانشگاه پیام نور، تهران

3 دانشیار، گروه اقتصاد، دانشگاه پیام نور، تهران

4 دانشیار اقتصاد، گروه اقتصاد، دانشگاه ایلام

چکیده

یکی از مسائل مطرح در تنظیم، پویایی محیط تصمیم­گیری و عدم تعدیل پایا به سمت شرایط بهینه است که سبب می­شود ناکارایی در طی زمان پایا باشد. از این­رو در تنظیم به جای هدف قرار دادن کارایی ایستا باید کارایی پویا مورد هدف قرار داده شود. هدف از این مطالعه به‎کارگیری کارایی پویا در تنظیم شرکت‎های آب و فاضلاب شهری ایران است. برای این منظور، از یک مدل مرز تصادفی پویا که ناهمگونی در کارایی تکنیکی بلندمدت شرکت‎ها را در نظر گرفته است، به‏منظور تخمین کارایی پویای 35 شرکت آب و فاضلاب شهری، برای دوره 95-1389 با به‏کارگیری رویکرد بیزین استفاده شده است. یافته­های تحقیق نشان می­دهند که در حالت در نظر نگرفتن ناهمگونی در بین شرکت‎ها، پایایی ناکارایی بیشتر از زمانی است که این ناهمگونی در نظر گرفته می­شود. نتایج مربوط به بررسی اثر ویژگی‎های خاص شرکت‎ها بر ناکارایی بخش توزیع آب شرکت‎های آب و فاضلاب، نشان می­دهند که میزان بارندگی، نسبت آب زیرزمینی به کل حجم آب خام، طول توسعه شبکه توزیع و طول اصلاح شبکه توزیع، سبب کاهش ناکارایی می­شوند و تعداد حوادث آب و تعداد کنتورهای معیوب، آن را افزایش می‏دهند.
طبقه­بندی JEL: D24،D21، L95، L43، L51

کلیدواژه‌ها


عنوان مقاله [English]

Dynamic Efficiency in Regulation of Urban Water and Wastewater Companies of Iran

نویسندگان [English]

  • farzaneh jaidary 1
  • Farhad khodadad kashi 2
  • Asghar Abolhasani 3
  • Bagher Darvishi 4
1 . Ph.D. Student of Economics, Department of Economics, Payam-e-Noor University, Tehran
2 Professor, Department of Economics, Payam-e-Noor University, Tehran
3 Associate Professor, Department of Economics, Payam-e-Noor University, Tehran,, Iran
4 Assistant Professor, Department of Economics, Ilam University
چکیده [English]

The purpose of this study is to apply dynamic efficiency in regulation of urban water and wastewater companies in Iran. To this end, a dynamic stochastic frontier model that considers the heterogeneity in the long-term technical eficiency of the companies has been used to estimate the dynamic efficiency of 35 urban water and wastewater companies for the period of 2011-16 using the Bayesian approach. The research findings show that, in the absence of heterogeneity among companies, the inefficiency persistence is greater than the time when this heterogeneity is considered.
JEL Classification: D24, D21, L95, L43, L51

کلیدواژه‌ها [English]

  • Dynamic Efficiency
  • Regulation
  • urban water and wastewater companies
  • the inefficiency persistence
رضایی، جواد، عید محمدزاده، حسن، فقیه نصیری، مرجان و گرشاسبی، علیرضا (1389). ارزیابی کارایی شرکتهای آب و فاضلاب شهری در بخش آب در استانهای کشور با استفاده از مدل برنامه­ریزی خطی، تحقیقات منابع آب ایران، 6 (1): 74-82.
رضائیان، جواد و عسگری­نژاد، عباس (1393).  ارزیابی عملکرد شرکتهای آب و فاضلاب استان مازندران به کمک مدل ترکیبی تحلیل پوششی داده‌ها و شبکه عصبی مصنوعی، نشریه مهندسی صنایع، 48 (2): 213-201.
Ahn, S. C., & Sickles, R. C. (2000). Estimation of long-run inefficiency levels: a dynamic frontier approach, Econometric Reviews, 19 (4): 461-492.
Ai, C., & Sappington, D.E.M. (2002). The Impact of State Incentive Regulation on the U.S. Telecommunications IndustryJournal of Regulatory Economics, 22(2): 107–132.
Aigner, D., Lovel, C. A. K., & Schmidt, P. (1977). Formulation & estimation of stochastic frontier production function models. Journal of Econometrics, 6 (1): 21-37.
Aubert, C., & Reynaud, A. (2005). The impact of regulation on cost efficiency: an empirical analysis of Wisconsin water utilities, Journal of Productivity Analysis, 23: 383-409.
Badunenko, O., & Kumbhakar, S. C. (2016). When, where & how to estimate persistent & transient efficiency in stochastic frontier panel data models, European Journal of Operational Research, 255 (1): 272-287.
Battese, G., & Coelli, T. (1995). A model for technical inefficiency effects in a stochastic frontier production model for panel data, Empirical Economics 20:  325-332.
Bottasso, A., & Conti, M., (2009). Scale economies, technology & technical change: evidence from the English Water only sector, Regional Sci. Urban Econ, 39 (2): 138-147.
10. Crew, M.A., & Kleindorfer, P.R. (1996). Incentive Regulation in the United Kingdom & the United States: Some Lessons, Journal of Regulatory Economics, 9(3): 211–225.
11. Ebrahimi Nourali, A., Davoodabadi, M., & Pashazadeh, H. (2014). Regulation & Efficiency & Productivity Considerations in Water & Wastewater Industry: Case of Iran, Procedia - Social & Behavioral Sciences, 109: 281 – 289.
12. Emvalomatis, G. (2012a). Adjustment & unobserved heterogeneity in dynamic stochastic frontier models, Journal of Productivity Analysis, 37 (1): 7-16.                                                        
13. Emvalomatis, G., Stefanou, S. E., & Oude Lansink, A. (2011). A Reduced-Form Model for Dynamic Efficiency Measurement: Application to Dairy Farms in Germany & The Netherlands, American Journal of Agricultural Economics, 93 (1): 161-174.
14. Erbetta, F., & Cave, M. (2007). Regulation & efficiency incentives: evidence from the England & Wales water & sewerage industry, Rev. Netw. Econ., 6 (4): 425-452.
15. Estache, A., & Rossi, M. (2002). How different is the efficiency of public & private water companies in Asia?, World Bank Economic Review, 16(1): 139-148.
16. Fare, R., & Primont, D. (1995). Multi-Output Production & Duality: Theory & Applications, Netherlands: Kluwer Academic Publishers.
17. Filippini, M., & Greene, W. (2016). Persistent & transient productive inefficiency: a maximum simulated likelihood approach,  Journal of Productivity Analysis, 45 (2):187-196.
18. Filippini, M., & Hunt, L. C. (2015). Measurement of energy efficiency based on economic foundations, Energy Economics, 52: S5-S16.
19. Filippini, M., Hrovatin, N., & Zoric´, J. (2008). Cost efficiency of Slovenian water distribution utilities: An application of stochastic frontier methods, Journal of Productivity Analysis, 29(2): 169–182.
20. Galan, S. E., Veiga, H., & Wiper, M. P. (2015). Dynamic effects in inefficiency: Evidence from the Colombian banking sector, European Journal of Operational Research, 240 (2): 562-571.
21. Garcia-Sanchez, I. (2006). Efficiency measurement in Spanish local government: the case of municipal water services, Review of Policy Research,23(2) : 355-371.
22. Giannakis, D., Jamasb, T., & M., Pollitt (2005). Benchmarking & incentive regulation of quality of service: an application to the UK electricity distribution networks, Energy Policy, 33: 2256–2271.
23. Greenstein, S., McMaster, S., & Spiller, P. (1995). The effect of Incentive Regulation on Infrastructure Modernization: Local Exchange Companies’ Deployment of Digital Technology, Journal of Economics & Management Strategy, 4(2): 187–236.
24. Griffin, J., & Steel, M. (2007). Bayesian stochastic frontier analysis using WinBUGS, Journal of Productivity Analysis, 27, 163-176.
25. Hertog, Johan den (1999). 5000 GENERAL THEORIES OF REGULATION, Economic Institute/ CLAV, Utrecht University.
26. Jamasb, T., & Pollitt, M., (2001). Benchmarking & regulation: international electricity experience, Utilities Policy, 9: 107–130.
27. Jamasb, T., & Pollitt, M., (2007). Incentive regulation of electricity distribution networks: Lessons of experience from Britain, Energy Policy, 35: 6163–6187.
28. Joskow, P. L. (2008). Incentive Regulation & Its Application to Electricity Networks, Review of Network Economics, 7 (4): 547–560.
29. Koop, G., Steel, M. F. J., & Osiewalski, J. (1995). Posterior analysis of stochastic frontier models using Gibbs sampling, Computational Statistics, 10: 353-373.
30. Markou, E., & Waddams Price, C. (1999). UK Utilities: Past Reform & Current Proposals,  Annals of Public & Co-operative Economics, 70: 371–416
31. Meeusen, W., & van den Broeck, J. (1977). Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error, International Economic Review, 18 (2): 435-444.
32. Rovizzi, L., & Thompson, D. (1995). The Regulation of Product Quality in the Public Utilities, In: Bishop, M., Kay, J., & Mayer, C. (Eds.), The Regulatory Challenge, Oxford University Press.
33. Skevas, I. (2016). A bayesian approach to dynamic efficiency & productivity measurement,  thesis, at the Faculty of Agricultural Sciences, Georg-August-University Gottingen, Germany
34. Tsionas, E. G. (2006). Inference in dynamic stochastic frontier models, Journal of Applied Econometrics, 21 (5): 669-676.
35. Tsionas, E. G., & Kumbhakar, S. C. (2014). Firm heterogeneity, persistent & transient technical inefficiency: a generalized true random-effects model, Journal of Applied Econometrics, 29 (1): 110-132.
36. van den Broeck, J., Koop G., Osiewalski J., & Steel M. (1994). Stochastic frontier models: A Bayesian perspective, Journal of Econometrics, 61, 273-303.
37. Viscusi W.K., Vernon, J.M., & Harrington, J.E. (1995). The Economics of Regulation & Antitrust Second Edition, Cambridge & London, MIT Press.
38. Vogelsang, I. (2002). Incentive Regulation & Competition in Public Utility Markets: A 20-Year Perspective, Journal of Regulatory Economics, 22(1): 5–27.
39. von Hirschhausen, C. (2008). Infrastructure, Regulation, Investment & Security of Supply: A Case Study of the Restructured US Natural Gas Market, Utilities Policy, 16: 1-10.
40. Waddams Price, C., Brigham, B., & Fitzgerald, L. (2002). Service Quality in Regulated Monopolies, CCR Working Paper CCR 02-4, Centre for Competition & Regulation, University of East Anglia, Norwich.
41. Woodbury, K., & Dollery, B. (2004). Efficiency Measurement in Australian Local Government: The Case of New South Wales Municipal Water Services, Review of Policy Research, 21: 615-636.